<?xml version="1.0" encoding="utf-8"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005">
<channel xmlns:cfi="http://www.microsoft.com/schemas/rss/core/2005/internal" cfi:lastdownloaderror="None">
<title cf:type="text"><![CDATA[《情报工程》编辑部 -->知识图谱]]></title>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于预训练模型的政务领域实体关系抽取]]></title>
<link><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202204001&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[[ 目的 / 意义 ] 海量电子政务信息资源极大地方便了人们对信息的获取，同时也给人们有效获取信息和知识提出了挑战。关系抽取是信息抽取的核心任务，政务领域的关系抽取对后续面向政务领域的智能检索、智能问答及政府公文生成等智慧化服务与建设具有深远影响。但是政务领域的文本中存在着大量的长实体，使得传统的关系抽取模型在政务领域数据集中的表现不尽如人意。[ 方法 / 过程 ] 本文提出一种适用于政务领域的中文关系抽取模型 CPRE-BERT，首先使用预训练 BERT 模型作为编码器，能够在一定程度上解决多义性、边界模糊以及领域关系数据数量不足的问题。其次，采用分类池化的思想分别处理短实体和长实体，最大程度上保留实体信息。最后，在中文领域人物关系公共数据集和政务领域数据集上的对比实验结果验证了模型的有效性。[ 结果 / 结论 ] 实验结果表明，本文提出的方法在政务领域数据集上关系抽取的准确率和 F1 指标较基线模型分别提高了 2.3% 和 2.2%。]]></description>
<pubDate>2022/9/26 9:20:43</pubDate>
<category><![CDATA[知识图谱]]></category>
<author><![CDATA[葛世奇，孙新，寇桓锦，袁燕]]></author>
<guid><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202204001&flag=1]]></guid><cfi:id>3</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[社会安全事件网络舆情多属性演化分析与知识图谱构建]]></title>
<link><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202204002&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[[ 目的 / 意义 ] 挖掘社会安全事件网络舆情的传播规律与多属性演化特征，为网络舆情事件的应对和治理提供参考。[ 方法 / 过程 ] 以“货拉拉女乘客跳车事件”为例，从舆情主题、参与主体和网民情绪三个角度进行社会安全事件网络舆情多属性演化分析，探究舆情各阶段网民的关注焦点和情感动向；其次基于事理逻辑构建舆情事件知识图谱，以明确舆情事件间的关联关系和演化规律。[ 结果 / 结论 ] 不同阶段的舆情主题、关键主体与情感特征具有明显的区别。网络舆情多属性演化分析有助于舆情监管部门迅速把握事件的多属性演化动态，而舆情事件知识图谱可以厘清事件传播路径、定位事件关键治理节点并还原舆情全貌。[ 局限 ] 后续研究将考虑细粒度情感分析，同时结合事件及关系抽取模型构建舆情事件知识图谱，扩展事件类型和数据规模。]]></description>
<pubDate>2022/9/26 9:20:44</pubDate>
<category><![CDATA[知识图谱]]></category>
<author><![CDATA[于凯，杨富义]]></author>
<guid><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202204002&flag=1]]></guid><cfi:id>2</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[航空安全信息风险主题语义图谱构建]]></title>
<link><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202204003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[[ 目的 / 意义 ] 为挖掘航空安全信息中蕴含的风险信息和事件演化规律并进行知识可视化展示，提升航空安全信息中安全风险相关内容的获取效率，实现数据驱动的安全风险管理。[ 方法 / 过程 ] 通过依存句法分析和语义角色标注对信息内容进行语义三元组抽取，基于 LDA 主题模型和主题强度对语义信息进行风险主题建模和核心风险主题确定，构建航空安全信息知识模型，形成风险主题语义图谱。[ 结果 / 结论 ] 经实例验证，本研究识别了确定的核心风险信息以及构建了基于主题划分的航空安全信息语义图谱，为航空安全信息的深度分析与应用提供了有效的解决方案。]]></description>
<pubDate>2022/9/26 9:20:44</pubDate>
<category><![CDATA[知识图谱]]></category>
<author><![CDATA[刘俊杰，叶英豪，董立映]]></author>
<guid><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202204003&flag=1]]></guid><cfi:id>1</cfi:id><cfi:read>true</cfi:read></item>
</channel>
</rss>